Рубрика «нейросети» - 35

в 15:36, , рубрики: convolutional neural networks, deep learning, искусственный интеллект, машинное обучение, нейросети, обработка изображений

Mask R-CNN: архитектура современной нейронной сети для сегментации объектов на изображениях - 1

Времена, когда одной из самых актуальных задач компьютерного зрения была способность отличать фотографии собак от фотографий кошек, уже остались в прошлом. На данный момент нейронные сети способны выполнять куда более сложные и интересные задания по обработке изображений. В частности, сеть с архитектурой Mask R-CNN позволяет выделять на фотографиях контуры («маски») экземпляров разных объектов, даже если таких экземпляров несколько, они имеют различный размер и частично перекрываются. Сеть так же способна к распознаванию поз людей на изображении.
Читать полностью »

в 10:38, , рубрики: Facebook, искусственный интеллект, Исследования и прогнозы в IT, МРТ, нейросети

Facebook займется исследованиями МРТ с помощью ИИ - 1

Школа медицины при Нью-Йоркском университете планирует ускорить МРТ-сканирование как минимум в 10 раз. Поможет им в этом группа исследователей искусственного интеллекта из Facebook (FAIR) с помощью технологий машинного обучения.

Проект называется fastMRI. Медики предоставят для него датасет из 3 миллионов снимков мозга, коленей и печени, собранные с 10 тысяч пациентов, а Facebook — свои наработки по машинному обучению для тренировки алгоритма. Согласно задумке, аппарат МРТ будет собирать только часть информации, а пробелы заполнит обученная нейросеть.

Приемлемые для реального использования результаты исследователи планируют опубликовать в течении года под свободной лицензией.
Читать полностью »

в 10:50, , рубрики: unity3d, нейросети, разработка игр

Поиск путей обхода препятствий в играх – классическая задача, с которой приходится сталкиваться всем разработчикам компьютерных игр. Существует ряд широко известных алгоритмов разной степени эффективности. Все они в той или иной степени анализируют взаимное расположение препятствия и игрока, и по результатам принимается то или иное решение по перемещению. Я попытался использовать для решения задачи обхода препятствий обученную нейронную сеть. Своим опытом реализации этого подхода в среде Unity3D я хочу поделиться в этой небольшой статье.

Читать полностью »

в 9:54, , рубрики: AI, api, AR, AR и VR, azure, jedium, lms, microsoft, ml, unity3d, VR, Блог компании Microsoft, нейронные сети, нейросети, облако, разработка игр, Разработка под AR и VR

Одна из критических проблем, которые возникают при построении многопользовательских систем – масштабирование. Существуют различные варианты решения это проблемы: шардинг, сервисная модель, Entity-Component System. Сегодня рассмотрим все варианты, а также обсудим практический кейс решения вопроса. Присоединяйтесь!

Мультиагентные системы в построении виртуальных пространств - 1Читать полностью »

в 11:30, , рубрики: als, data science, feature, feature selection, ml, production, stacking, Алгоритмы, Блог компании HeadHunter, логистическая регрессия, машинное обучение, нейросети, поисковые технологии, признаки, продакшн, стекинг, факторизационные машины

Довольно часто нас спрашивают, почему мы не устраиваем соревнований дата-сайентистов. Дело в том, что по опыту мы знаем: решения в них совсем не применимы к prod. Да и нанимать тех, кто окажется на ведущих местах, не всегда имеет смысл.

Массовый стекинг моделей ML в production: реально или нет? - 1

Такие соревнования часто выигрывают с помощью так называемого китайского стекинга, когда комбинаторным способом берут все возможные алгоритмы и значения гиперпараметров, и полученные модели в несколько уровней используют сигнал друг от друга. Обычные спутники этих решений — сложность, нестабильность, трудность при отладке и поддержке, очень большая ресурсоёмкость при обучении и прогнозировании, необходимость внимательного надзора человека в каждом цикле повторного обучения моделей. Смысл делать это есть только на соревнованиях — ради десятитысячных в локальных метриках и позиций в турнирной таблице.

Читать полностью »

в 13:11, , рубрики: App Store, appsee, Burger King, ios 12, progressive web apps, react native, unity, UX, Блог компании Everyday Tools, интерфейсы, маркетинг мобильных приложений, нейросети, разработка игр, разработка мобильных приложений, Разработка под android, разработка под iOS

На этой неделе случилась бомбическая история с приложением Burger King и аналитикой Appsee, App Store исполнилось 10 лет, мы узнали про чат-боты, банковские приложения, архитектуру приложений и нейронных сетей.

Дайджест интересных материалов для мобильного разработчика #261 (9 июля — 15 июля) - 1Читать полностью »

в 6:54, , рубрики: AI, api, AR, AR и VR, azure, big data, jedium, lms, microsoft, ml, VR, Блог компании Microsoft, искусственный интеллект, машинное обучение, нейронные сети, нейросети, облако

В последние несколько лет тема искусственного интеллекта активно обсуждается, так как один из подходов к ее изучению активно набирает обороты среди крупных корпораций. Этот подход – нейросети. Еще недавно, около года назад, это слово можно было услышать отовсюду. Сегодня рассмотрим историю изучения искусственного интеллекта человечеством (оказывается, ему уже около 2000 лет) и сегодняшние реалии.

Откуда взялись нейросети и что происходит сейчас - 1Читать полностью »

в 8:33, , рубрики: python, Алгоритмы, Блог компании NIX Solutions, машинное обучение, модели, нейросети

Как ИИ учится генерировать изображения кошек - 1

Перевод How AI can learn to generate pictures of cats.

Опубликованная в 2014-м исследовательская работа Generative Adversarial Nets (GAN) стала прорывом в сфере генеративных моделей. Ведущий исследователь Янн Лекун назвал состязательные сети (adversarial nets) «лучшей идеей в машинном обучении за последние двадцать лет». Сегодня благодаря этой архитектуре мы можем создать ИИ, который генерирует реалистичные изображения кошек. Круто же!

Как ИИ учится генерировать изображения кошек - 2
DCGAN в ходе обучения
Читать полностью »

в 15:57, , рубрики: Google, Алгоритмы, будущее здесь, Здоровье гика, ИИ, искусственный интеллект, медицина, нейросети

ИИ Google научился предсказывать, когда пациент умрет (но не все так мрачно) - 1
Фото: Mario Tama/Getty

Корпорация Google работает во многих сферах, включая медицину. Специалисты компании сейчас разрабатывают программную платформу, которая могла бы предсказывать последствия болезни для пациента. Такая система, проанализировав медицинскую книжку пациента и прочие данные, что есть в базе данных больницы относительно конкретного человека и его заболевания, может предположить продолжительность лечения пациента в стационарных условиях или даже предсказать через какое время человек со сложным заболеванием умрет.

И это не научная фантастика, а реальность. Не так давно специальный алгоритм компании показал врачам достаточно высокую вероятность смерти пациентки с раком груди во время ее пребывания в больнице (понятно, что самой пациентке ничего не сказали). Так и случилось — она умерла в течение нескольких дней. Тем не менее, свой проект компания реализует вовсе не для мрачных прогнозов. В основе всего лежит идея, чтобы врачи могли получать точные данные о здоровье своих подопечных и назначали качественное лечение.
Читать полностью »

в 17:21, , рубрики: clustering, data mining, neural networks, self-organizing maps, Алгоритмы, кластеризация, математика, машинное обучение, нейронные сети, нейросети, обучение без учителя

IGNG — инкрементальный алгоритм растущего нейронного газа - 1

При написании статьи о разработке детектора аномалий я реализовывал один из алгоритмов, который называется "Инкрементальный растущий нейронный газ".
В советской литературе российском сегменте Интернета эта тема освещена достаточно слабо, и нашлась только одна статья, да и то с прикладным применением данного алгоритма.

Итак, что же такое — алгоритм инкрементального растущего нейронного газа?

Читать полностью »

1...1020...343536...40...45
Главная   |  Архив новостей  |   Android  |   Google  |   Apple  |   Microsoft  |   Информационная безопасность  |   Веб – разработка
Публикации RSS  |  Комментарии RSS
https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js